这是一本使用机器学习算法来克服投资问题的实用指南。 机器学习算法正在逐渐接管投资的世界，如今可以被用来执行以前只能由专家小组执行的任务。在未来几年，机器学习算法将会给金融领域带来颠覆性变化，并将改变几代人的投资方式。这本书的作者马科斯·洛佩斯·德普拉多集投资经理、教授、研究员三重身份于一身，20多年来致力于通过普及机器学习算法和超级计算的使用，以及开发识别错误投资策略(假阳性)的统计测试，实现金融领域的现代化。 《金融机器学习》这本书分为5部分。第1部分介绍了如何构造适合机器学习算法的金融数据;第2部分介绍了如何科学地应用机器学习算法研究这些数据并获得实际发现；第3部分介绍了如何回测以及评估模型错误的概率;第4部分回归到数据，解释从中提取信息特征的创新方法；第5部分介绍了高性能计算方法。书中大多数问题和解决方法都是用数学公示来解释的，并提供了代码片段和练习，具有很强的实操性，可以作为金融领域投资人士的工具书。

第1 章 作为独立学科的金融机器学习 第1 部分 数据分析 第2 章 金融数据结构 第3 章 标签 第4 章 样本权重 第5 章 分数微分特征 第2 部分 模型 第6 章 集成方法 第7 章 交叉验证在金融领域的应用 第8 章 特征重要性 第9 章 利用交叉验证进行超参数调优 第3 部分 回测 第10 章 投注大小 第11 章 回测的风险 第12 章 通过交叉验证进行回测 第13 章 合成数据的回测 第14 章 回测统计量 第15 章 理解策略风险 第16 章 基于机器学习的资产配置方法 第4 部分 有用的金融特征 第17 章 结构突变 第18 章 熵特征 第19 章 微观结构特征 第5 部分 高性能计算方法 第20 章 多进程和矢量化 第21 章 蛮力搜索和量子计算机 第22 章 高性能计算智能与预测技术 致 谢

[西]马科斯·洛佩斯·德普拉多，美国劳伦斯·伯克利国家实验室研究员，康奈尔大学电气与计算机工程学院教授，拥有金融经济学和数学金融学双博士学位。2020年担任阿布扎比投资局(ADIA)量化研究与开发业务的全球负责人。拥有20多年利用机器学习算法和超级计算开发投资策略的经验。曾在影响因子很高的学术期刊上发表了数十篇关于机器学习算法和超级计算的科学文章。曾在美国国会就人工智能对金融领域的影响发表演讲。2019年被《投资组合管理杂志》评为“年度量化分析师”。